如何根据每行的内容对文本文件中的行进行分组？

Question

假设我有一个包含以下内容的文本文件：

12277   17/06/2019  350 BJ201AB FMACRI                  
                    0   J   52  4081.15 166851
                    0   J   52  4496.64 166852
                    0   J   52  5139.07 166855
                    0   J   52  5773.82 166858
                    J   E   70  25  B159681
12509   21/06/2019  443 DH717WF BLANCO                  
                    B   J   42  5376.63 5164/A
12504   21/06/2019  443 EB631NF LUCCIG                  
                    B   J   44  5567.46 5165/A
                    0   J   52  5347.58 166950
                    0   J   52  4742.4  166953
                    0   J   18  1146.24 427876
                    0   J   4   0.4 427877
                    J   0   372 1   B159763
                    R   0   1567    1   B159764

假设我会这样阅读文件：

with open('/home/pexp1/mezzi/INPUT') as f:
    lines = f.readlines()
data = [(line.rstrip()).split('\t') for line in lines]

将以某些内容（整数、字符串等）开头的每一行与其下方的每一行分组，直到找到遵循上述规则的新行为止，正确的方法是什么？假设我想调用遵守规则的行并将所有内容放入其组中，哪种数据结构最好将这些行组合在一起？

编辑：对于不够清晰，我们深表歉意。如果我运行上面的代码，当我运行 print(data):

[
    ['12277', '17/06/2019', '350', 'BJ201AB', 'FMACRI'],
    ['', '', '', '', '', '0', 'J', '52', '4081.15', '166851'],
    ['', '', '', '', '', '0', 'J', '52', '4496.64', '166852'],
    ['', '', '', '', '', '0', 'J', '52', '5139.07', '166855'],
    ['', '', '', '', '', '0', 'J', '52', '5773.82', '166858'],
    ['', '', '', '', '', 'J', 'E', '70', '25', 'B159681'],
    ['12509', '21/06/2019', '443', 'DH717WF', 'BLANCO'],
    ['', '', '', '', '', 'B', 'J', '42', '5376.63', '5164/A'],
    ['12504', '21/06/2019', '443', 'EB631NF', 'LUCCIG'],
    ['', '', '', '', '', 'B', 'J', '44', '5567.46', '5165/A'],
    ...
]

如您所见，这是一个列表列表。我如何将这些项目组合在一起，以这样的方式列出 contain 索引位置 0 的项目（在本例中，12277、122509 等) 与后面的列表组合在一起（在索引位置 0、1、2、3、4 处没有元素）?

示例：

['12277', '17/06/2019', '350', 'BJ201AB', 'FMACRI']

分组为 ['', '', '', '', '', '0', 'J', '52', '4081.15', '166851']、['', '', '', '', '', '0', 'J', '52', '4496.64', '166852'] 等，直到下一行包含索引 0 处的元素：['12509', '21/06/2019', '443', 'DH717WF', 'BLANCO']

EDIT2：这是我提出的解决方案：

shipments = []
shuttle_lst = []

for line in data[1:]:
    if len(line[0]) < 1:
        shipments.append(line)
    else:
        shuttle = data[data.index(line) - (len(shipments) + 1)]
        shipments.append(shuttle)
        new_lst = [lst for lst in shipments]
        shuttle_lst.append(new_lst)
        shipments.clear()

这将创建一个列表列表，其中每个 header 成为该列表的最后一个元素。

Answer 1

如果我理解正确，你想根据 header 行分组，而不是以 space 开头的行，对吗？

考虑以下几点：

import pprint
pp = pprint.PrettyPrinter(indent=4)

# A list of lists
data = []

with open('data.dat') as f:
    for line in f:
        if line.startswith(" ") or line.startswith("\t"):
            if not data:
                raise RuntimeError("Wrong data - first line is not legit")
            data[-1].append(line.split())
            continue

        # If here, this is a header line
        data.append([line.split()])

pp.pprint(data)

这会打印：

[   [   ['12277', '17/06/2019', '350', 'BJ201AB', 'FMACRI'],
        ['0', 'J', '52', '4081.15', '166851'],
        ['0', 'J', '52', '4496.64', '166852'],
        ['0', 'J', '52', '5139.07', '166855'],
        ['0', 'J', '52', '5773.82', '166858'],
        ['J', 'E', '70', '25', 'B159681']],
    [   ['12509', '21/06/2019', '443', 'DH717WF', 'BLANCO'],
        ['B', 'J', '42', '5376.63', '5164/A']],
    [   ['12504', '21/06/2019', '443', 'EB631NF', 'LUCCIG'],
        ['B', 'J', '44', '5567.46', '5165/A'],
        ['0', 'J', '52', '5347.58', '166950'],
        ['0', 'J', '52', '4742.4', '166953'],
        ['0', 'J', '18', '1146.24', '427876'],
        ['0', 'J', '4', '0.4', '427877'],
        ['J', '0', '372', '1', 'B159763'],
        ['R', '0', '1567', '1', 'B159764']]]

结果是列表的列表（列表！）。每个二级列表的第一项是 header 行，其余是该组中的行

如何根据每行的内容对文本文件中的行进行分组？

How can I group the lines in a text file based on the contents of each line?

python

text

line